האם זקוקים לסטיסטיקאי כשיש מחשב ומדפסת צבעונית?

דב פלד – יועצים

 פורסם לראשונה ב- 19 בדצמבר 2001

 

מבוא:

תקן ISO 9001  החדש דורש  מדידה וניתוח סטטיסטי של תהליכים ושביעות רצון לקוחות.

קיימות בשוק תוכנות סטטיסטיות שונות שיתרונן הוא הפחתה של "עבודת הפרך" של חישובים מתמטיים.

היום קיימות תוכנות ידידותיות היכולות להפיק בעבורנו פלטים פשוטים ומסובכים, בלחיצת כפתור, הכל לפי רצוננו. אך האם שימוש בתוכנות אלה יכול להציב תמרורי אזהרה למצבה של החברה ולעתידה העסקי ?

 

רקע:

אחת מהדרישות העיקריות  בנוהל ISO 9000  מהדורת 2000 הוא שיפור מתמיד. הדרך להשיג שיפור מתמיד, על פי דרישת הנוהל : מדידת שביעות רצון הלקוח, ביצועי מוצרים, תהליכים ומערכת ניהול האיכות, ניתוח ממצאים והפקת לקחים.

איסוף, ניתוח והסקת מסקנות אופרטיביות הוגדר במהדורת 1994 של התקן תחת סעיף 4.20 בשם "טכניקות סטטיסטיות". המקבילה במהדורת 2000  (בפרק 8) "מדידה, ניתוח ושיפור" או ביתר פירוט :סעיף 8.1 דורש לתכנן את תהליך הניטור, המדידה…. וכן דורש במפורש "הדבר יכלול קביעה של שיטות ישימות, לרבות טכניקות סטטיסטיות, ושל היקף השימוש בהן" (עמוד 13). סעיף 8.2.3  "ניטור תהליכים ומדידתם", סעיף 8.2.4 "ניטור מוצר ומדידתו וסעיף 8.4 "ניתוח הנתונים".

הגדרת המושג סטטיסטיקה באנציקלופדיה העברית (האנציקלופדיה העברית, כרך 13 כ"ה עמוד 686)-  "מדע האיסוף, העיבוד, הניתוח, ההיסק וההצגה של נתונים, לגבי תופעות שאפשר לבטאן בצורה כמותית".

 

המצב בשוק:

קיימות תוכנות סטטיסטיות רבות בשוק, המתפרסמות בכל מגזין איכות לדוגמה Pqsystem, Quality America, Minitab ועוד רבות. התוכנות מהוות קופסאות שחורות עבור המשתמש. חשוב להבין כי כל שיטה סטטיסטית היא כלי שונה. כל תפריט מבצע משהו שונה לגמרי.

התוצאות מבוטאות בצורה גרפית בדרך כלל גרף הממוצע (X-bar) מעל גרף הטווח (Range). כחלק מהתצוגה הגרפית מופיעים הגבול העליון של התהליך (UCL) וכן הגבול התחתון (LCL) , התוכנה מזהה ומסמנת מגמות עליה / ירידה וכן נקודות המוגדרות מחוץ לטווח (out of control) , ביכולת המשתמש להפיק גרפים נוספים על פי הנתונים.

לכאורה נראה פשוט מאד, אך זה לא בדיוק כך. נשאלת השאלה: האם התוצאות שקיבלנו תואמות את דרישות הלקוח או לא ? והתשובה: לא ניתן לדעת.

אחד מעקרונות הסטטיסטיקה הוא לחשב יחסית לממוצע ידוע, כלומר הנוסחאות מבוססות על התפלגות גאוס המכונה גם "פעמון". בהתפלגות זו מניחים כי התוצאות "מסתדרות" באופן סימטרי סביב ממוצע מסוים ופיזורם מזכיר פעמון. לאחר קבלת תוצאות נשאלות השאלות המתבקשות:

האם כוונת הניתוח ברורה ?

האם הנתונים מתאימים לשאלות שלנו ?

האם אנו מודדים במרווחי זמן קבועים ומדויקים או במרווחי זמן משתנים? מה המשמעות למרווחי זמן משתנים?

אם אנו מבינים במדויק את משמעות התוצאות ?

מה משמעות התוצאות כאשר במקום ביצוע ממוצע לכמה דגימות נבצע דגימה בודדת (I-X)?

אלה שאלות שקשה לענות עליהם למי שלא מבין את המשמעות הסטטיסטית והאיכותית של התוצאות.

קיימת התפלגות נוספת חשובה התפלגות מעריכית : f(x) = le^–lx התפלגות זו מיושמת בחישובי אורך חיים של מוצרים ובחישובי אמינות. התפלגויות נוספות התפלגות גאמא – אי סימטרית, התפלגות של מודלים בדידים כגון ברנולי, בינומי, היפר גיאומטרי וכ"ו.

איך נמצא מהו המודל ממנו באו הנתונים שמדדנו?

אם נצליח להתאים מודל התפלגות לאוסף הנתונים שמדדנו, ההסקה הסטטיסטית תהנה ממידע חשוב שיעזור מאד בקבלת ההחלטות על פי הנתונים.

משימות מנהל הבטחת איכות, בתחום הסטטיסטי, בעולם המודרני

 

בשלב איסוף הנתונים:

הגדר את מטרתם של הנתונים

השתמש בתת קבוצות הגיוניות.

אסוף ומקסם (ממקסימום) את הסיכוי להראות שונות בתהליך.

 

שרטט (plot) את הנתונים:

תמיד, כפעולה ראשונה, שרטט את הנתונים כך תהיה ראייה לצעד הבא.

 

אל תעשה:

אל תבנה נתונים ותוצאות מראש.

אל תשתמש בכלי אחד כמתאים לכולם.

 

כמוזכר למעלה, בפני מנהל הבטחת איכות בחברה המכיר את התהליכים והמוצרים בחברה ונדרש ליישם תהליכים סטטיסטיים על פי דרישות התקן עומדות השאלות: מה למדוד? איך למדוד? כיצד למדוד? ואיך להציג את התוצאות בצורה נכונה.

ניתן לחלק את החברות מבחינת יישומי הסטטיסטיקה: לחברות המייצרות באופן שוטף ולאורך זמן או לחברות המייצרות מוצרים בסדרות קטנות או מבצעות שרות כל שהוא ללקוח.

לחברות מהסוג הראשון, שמספרן בארץ מועט, אין צורך במנהל הבטחת איכות בעל רקע בסטטיסטיקה, עליו לבחור – מסחרית באחת מהתוכנות הקיימות בשוק אם דרך סוכן ישראלי ואם בהורדה מהאינטרנט.

לחברות מהסוג השני נדרש מומחה בעל הבנה בסטטיסטיקה היודע ליישם את הטכניקה כך שכתוצאה ממנה ניתן יהיה להגיע לשיפור עסקי בחברה.

 

מה קורה כאשר לא מומחה מתפעל את המערכת הסטטיסטית

נתחיל בשתי דוגמאות: 1 – באחד המפעלים פועל ביצע כוונון (set-up) למכונה, מדד וקיבל תוצאה, ביצע תיקון לכוונון וכך הלאה כמה וכמה פעמים. בבדיקה התברר כי הכוונון הראשון היה מספק, אך חוסר הבנת הנתונים גרם למכוון "לקלקל" את התוצאה. הפתרון במקרה זה היה: הסבר על מהות התוצאה,  הפחתת מספר הכוננים וכתוצאה מכך הורדת סטיית התקן מ  1.2  ל 0.3     .

2 –   חברה המייצרת מוצרי ניקיון נוזליים ממלאת בקבוקים. קצב המילוי תלוי בזרם החשמלי בלחץ הנוזל במערכת בסמיכות הנוזל ועוד. בפועל התברר כי הבקבוקים בחלקם היו מלאים מדי וחלקם ריקים מדי. מדידה וניתוח בשטח הראתה כי הבעיה הייתה אופיינית להרבה מפעלים בישראל –  קצב הספקת המתח לא קבוע  ולא מיוצב בזמן. רכישת מייצב זרם פתרה את הבעיה.

 

סיכום:

שתי הדוגמאות למעלה מראות את חשיבות של מומחה לניתוח התוצאות. המומחה פרט להבנתו את הנתונים יודע להציע לחברה נושאים חשובים נוספים כמו: קביעת שיטת דגימה, קביעת קצב הדגימה והכי חשוב יקבע טולרנסים לתהליך על פי יכולת התהליך ולא כמו שמבוצע היום שהוא בעצם דוגמטיות. במפעל המקיים מחלקת פיתוח המומחה יקבע את תיכון הניסויים – איך לייצר ומה לייצר.

 

ביבליוגרפיה:

Bisgaard, S. (1991) “Teaching Statistics to Engineering” The American Statistician, 45, pp. 274-283

Horel, R. W. and Snee, R.D. (2002) “Statistical Thinking – Improving Business Performance”, Duxbury Press, Pacific Grove, CA.

Snee, R.D. (2000) “Six Sigma Improves Both Statistical Training and Businesses Processes” Quality Progress, October 2000, 68-72.

Snee, R.D (2001) “Focus on Improvement, Not Training”, Quality Management Forum, ASQ Quality Management Division, spring 2001, 7,8,16.

 

 

קישורים נוספים שנמצאו בידי מנהיגים ברשת:

 שבוע האיכות הלאומי 3-7 יוני 2001 מתוך: מכון התקנים הישראלי

מאמרים בנושא האיכות מתוך: מכון התקנים הישראלי

 

קישורים רלבנטים באתר: